XiaoMi-AI文件搜索系统
World File Search System飞机轨迹
在天气引起的不确定性下，强大的4D气候 - 最佳飞机轨迹计划：自由路线空间
航空的非CO 2气候影响强烈依赖于排放时的大气条件。因此，可以通过计划轨迹重新列出具有重大气候影响的空域区域来减轻其相关的气候影响。识别这种气候敏感区域需要特定的天气变量。如果不考虑飞行计划中的不考虑，不可避免的不确定天气预报会导致飞机轨迹效率低下。当前的研究解决了在使用集合预测系统中特征的气象不确定性下生成强大气候友好的飞行计划的问题。我们基于强大跟踪最佳控制理论的概念引入了一个框架，以制定和解决拟议的飞行计划问题。气象不确定性对飞机性能变量的影响是使用配制的集合飞机动力学模型捕获的，并通过惩罚性能指数方差来控制。案例研究表明，所提出的方法可以产生气候优化的轨迹，对天气不确定性的敏感性最小。
基于超扭转算法的四旋翼飞机轨迹跟踪控制实时改进
摘要：本文介绍了微型自主四旋翼直升机系统 (X4 原型) 的轨迹跟踪控制的开发和实验验证，该系统使用基于二阶滑模技术的稳健算法控制，也称为户外环境中的超扭转算法。这种非线性控制策略保证在存在外部干扰或模型不确定性影响我们的四旋翼直升机的适当行为的情况下，在有限时间内收敛到所需路径 r (t)。为此，选择多项式平滑曲线轨迹作为参考信号，其中函数的相应导数是有界的。此外，我们考虑了作用于飞行器的阵风干扰，并在先进的自动驾驶系统中预先编程了参考信号。提出的解决方案包括使用 GPS 测量实施基于超扭转控制的实时控制律，以获得 xy 平面中的位置以实现所需的轨迹。给出了轨迹跟踪控制的仿真和实验结果，以证明所提出的非线性控制器在有风条件下的性能和鲁棒性。
用于飞机轨迹分析的交互式基于图像的信息可视化
摘要 — 空中交通管制 (ATC) 领域是大数据挑战的一个例子。数据由飞机轨迹或轨迹集组成，这些轨迹或轨迹又记录了飞机在给定空域中几个时刻的位置，以及其他信息，例如飞行高度、速度、燃料消耗和元数据（例如航班 ID）。分析和理解时间相关数据对信息可视化提出了一些不小的挑战。在本文中，我们提出了一套新颖的方法，使用基于图像的交互式信息可视化技术来分析飞机轨迹。我们通过提出一组相关的可视化分析方法来解决数据处理方面的可扩展性挑战和未解决的问题，这些方法侧重于 ATC 领域的决策支持。所有方法都使用基于图像的技术，以概述此类技术在我们的应用环境中的优势，并通过 ATC 域中的用例进行说明。对于每个用例，我们概述了领域专家提出的问题类型、解决这些问题所涉及的数据，并描述了我们用于解决这些问题的特定基于图像的技术。对于每种这样的技术，我们描述了用于实现其目标的视觉表示和交互机制。我们用来自 ATC 域的真实数据集来说明这些用例。
跟踪飞机轨迹...
1. 简介。轨迹跟踪是飞行控制系统的一项基本任务。在这一任务中，确保所采用的方法准确，特别是对干扰具有鲁棒性至关重要。这对于飞行的关键阶段（例如进近和着陆）尤其重要，因为飞行在拥挤的空域和近地飞行。在这些阶段，干扰引起的偏离参考轨迹可能会导致灾难性的后果。因此，风是飞行系统最危险的干扰之一，因为它不可预测，对飞机动力学影响很大。考虑到上述飞行条件下控制任务的关键性，迄今为止已经研究了几种用于此应用的方法。在 [19] 中，作者提出了一种 gamma/theta 制导律，用于跟踪已知风场的最优控制方法得出的轨迹。作者在垂直平面上制定了问题，并使用起飞阶段的数值示例说明了所开发的方法。 [15] 中的研究提出了一种自适应控制方案，利用该思想控制飞机在起飞阶段的爬升率。该反馈控制律不需要事先了解风场。[4] 中的作者将非线性空间反演方法应用于飞机轨迹跟踪。开发了一种新的垂直平面制导方案，与传统的基于非线性动态反演的方法相比，其跟踪性能有所提高。与 [19] 类似，需要对现有的风扰动进行先验估计。着陆飞行阶段被视为二维跟踪
文章基于社会长短期记忆网络的多飞机轨迹协同预测
摘要：飞机轨迹预测是进离场排序、冲突检测与解决等空中交通管理技术的基础。准确的轨迹预测有助于增加空域容量，确保飞机安全有序运行。目前的研究主要集中在单架飞机轨迹预测，没有考虑飞机之间的相互作用。因此，本文提出一种基于社会长短期记忆（S-LSTM）网络的模型，实现多架飞机轨迹协同预测。该模型为每架飞机建立一个LSTM网络，并通过一个池化层来整合关联飞机的隐藏状态，可以有效捕捉它们之间的相互作用。本文以北加州终端区的飞机轨迹为实验数据。结果表明，与主流的轨迹预测模型相比，本文提出的S-LSTM模型具有较小的预测误差，证明了该模型性能的优越性。另外，在存在飞机相互作用的空域场景中进行了对比实验，发现S-LSTM的预测效果优于LSTM，证明了前者考虑飞机相互作用的有效性。
用于灵活飞机轨迹跟踪和负载减轻的非线性增量控制
本文提出了一种用于柔性飞机同时进行轨迹跟踪和负载减轻的非线性控制架构。通过利用控制冗余，可以在不降低刚体指令跟踪性能的情况下减轻阵风和机动负载。所提出的控制架构包含四个级联控制环路：位置控制、飞行路径控制、姿态控制和最优多目标机翼控制。由于位置运动学不受模型不确定性的影响，因此采用非线性动态逆控制。相反，飞行路径动力学受到模型不确定性和大气扰动的干扰；因此采用增量滑模控制。基于 Lyapunov 的分析表明，该方法可以同时降低传统滑模控制方法的模型依赖性和最小可能增益。此外，姿态动力学为严格反馈形式；因此采用增量反步滑模控制。此外，还设计了一种新型负载参考生成器，用于区分执行机动所需的负载和过载负载。负载参考由内环最优机翼控制器实现，而过载负载由襟翼自然化，而不会影响外环跟踪性能。通过空间轨迹跟踪任务和阵风负载缓解任务验证了所提出的控制架构的优点
用于灵活飞机轨迹跟踪和负载减轻的非线性增量控制
本文提出了一种用于柔性飞机同时进行轨迹跟踪和载荷减轻的非线性控制结构。通过利用控制冗余，在不降低刚体指令跟踪性能的情况下减轻了阵风和机动载荷。所提出的控制结构包含四个级联控制环路：位置控制、飞行路径控制、姿态控制和最优多目标机翼控制。由于位置运动学不受模型不确定性的影响，因此采用非线性动态逆控制。相反，飞行路径动力学受到模型不确定性和大气扰动的干扰；因此采用增量滑模控制。基于 Lyapunov 的分析表明，该方法可以同时降低模型依赖性和传统滑模控制方法的最小可能增益。此外，姿态动力学为严格反馈形式，因此采用增量反步滑模控制。此外，设计了一种新型负载参考生成器，以区分执行机动所需的负载和过载负载。负载参考由内环最优机翼控制器实现，而过载负载由襟翼自然化，而不会影响外环跟踪性能。通过空间冯·卡门湍流场中的轨迹跟踪任务和阵风负载缓解任务验证了所提出的控制架构的优点。
柔性飞机轨迹的非线性增量控制……
本文提出了一种用于柔性飞机同时进行轨迹跟踪和载荷减轻的非线性控制结构。通过利用控制冗余，在不降低刚体指令跟踪性能的情况下减轻了阵风和机动载荷。所提出的控制结构包含四个级联控制环路：位置控制、飞行路径控制、姿态控制和最优多目标机翼控制。由于位置运动学不受模型不确定性的影响，因此采用非线性动态逆控制。相反，飞行路径动力学受到模型不确定性和大气扰动的干扰；因此采用增量滑模控制。基于 Lyapunov 的分析表明，该方法可以同时降低模型依赖性和传统滑模控制方法的最小可能增益。此外，姿态动力学为严格反馈形式，因此采用增量反步滑模控制。此外，设计了一种新型负载参考生成器，以区分执行机动所需的负载和过载负载。负载参考由内环最优机翼控制器实现，而过载负载由襟翼自然化，而不会影响外环跟踪性能。通过空间冯·卡门湍流场中的轨迹跟踪任务和阵风负载缓解任务验证了所提出的控制架构的优点。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。